![计算机与人脑 - [美] 约·冯·诺意曼](https://static.book345.com/covers/s/9787100032445.jpg)
AI导读
核心看点
- 冯诺依曼晚年未完成讲演稿，探讨计算机与人脑异同
- 从逻辑与统计数学角度比较自动机运算与人类思维
- 对比数字与模拟方法，分析神经元功能及记忆机制
适合谁读
- 对人工智能起源与计算机底层逻辑感兴趣的读者
- 具备基础数学或逻辑学知识，想深入理解AI原理者
- 关注科技哲学及神经科学与计算机交叉领域的学者
读前提醒
- 注意早期翻译用词差异，如“记忆”指代存储器
- 需具备一定数学基础，否则部分技术推论难懂
- 结合现代AI发展回顾，体会其前瞻性与历史局限
读者共识
- 视角独特，虽技术细节过时但思想极具前瞻性
- 译文受时代影响较大，阅读时需克服语言障碍
- 篇幅短小精悍，是理解计算机体系结构的重要史料
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
精彩摘录
- "我猜想，对神经系统进行更深入的数学研究……会影响我们对所涉数学本身的各方面的理解。事实上，它可能会改变我们看待数学和逻辑的固有方式。"
- "反馈除了在这里表现为解决隐式关系的装置的面貌外，实际上它还是一种特别优美的实现短路迭代和逐次逼近的方法。"
- "事实上，在分子尺度上，所有这些变化之间没有明显的区别：每一个化学变化都是由分子内的作用力的变化引起的，而这种作用力的变化取决于分子相对位置的变化，也就是说，这是一种机械位移引起的过程。此外，每一种分子内的机械位移变化都会改变所涉分子的电学性质，从而引起电学性质和相对电位水平都改变。综上所述：在通常（宏观）尺度上，电的、化学的和机械的过程可以保持明显的区别。然而，在神经膜的近分子水平上，所有这些方面都趋向于融合。"
- "神经脉冲可以在前述意义上被清楚地看作（二值）记号：没有脉冲代表一个值（例如，二进制数字0），而有脉冲则代表另一个值（例如，二进制数值1）。当然，这必须当作在特定轴突（或者更确切地说，在特定神经元的所有轴突）上发生的现象来理解，并且可能在特定时间内与其他事件相关。因此，它们可以被解释为起着特定逻辑作用的记号（二进制数字0或1）。 如前所述，（出现在给定神经元的轴突上的）脉冲通常由撞击到该神经元细胞体上的其他脉冲触发。一般来说，这种触发是有条件的，即只有这种初级脉冲的某些组合和同步才能触发所涉的初级脉冲，所有其他的脉冲都不能引起这种激励。也就是说，神经元是一个接受并发出明确物理实体（脉冲）的器件。"
- "天然器件倾向于采用数量较多但速度较慢的自动机工作模式，而人工器件倾向于采用数量较少但速度较快的工作模式。"
- "可能存在这样的情形，某些神经脉冲组合刺激一个给定的神经元，不仅是因其数量，而且还借助于它们到达的那些突触的空间关系。也就是说，我们可能不得不面临这样的情形：比如说，一个神经细胞上有数百个突触，作用在这些突触上的有效（即能在上述神经元中产生响应脉冲）的刺激组合，不仅需要用它们的数量来刻画，而且还需要用它们在该神经元上特定区域（在其细胞体上或其树突系统上，参见上文）的覆盖状况来刻画，通过这些区域相互之间的空间关系，以及可能相关的更复杂的定量和几何关系来刻画。"
- "至少在适当的特定情况下，单个神经元有着一种复杂的响应机制，这种机制要比遵循简单的基本逻辑运算模式所做出的“刺激-反应”的教条性的描述复杂得多。"
- "可以想象，在基本上是数字化组织的神经系统中，上述复杂性起着模拟或至少是“混合”的作用。"
作者简介
作者约翰·冯·诺意曼（1903—1957）是二十世纪最重要的数学家之一，被后人称为“计算机之父”和“博弈论之父”。本书是诺意曼在1955—1956年为西里曼讲座而准备的未完成讲稿，是作者对其过去十几年在计算机领域所做研究的一个总结性梳理。诺意曼在书中首先概述了模拟计算机和数字计算机的一些基本设计思想和理论基础，然后从数学的角度，主要是逻辑和统计数学的角度，探讨了人脑的神经系统的控制和逻辑结构，对计算机的数学运算和人脑思维的过程进行了比较研究。本书是计算机和人工智能领域的一篇重要的原始文献，具有高度的前瞻性，为计算机的创新与发展以及机器人的研究指明了方向。
目录
用户评论
1,翻译的人政治倾向过于狭隘。
2,记忆就是神经刺激的阈值，大脑运作是基于统计的。
3,条理很清晰。
有点过时 不过好歹是冯诺依曼写的
待续
读不懂 没基础 只是浏览了下！！！
冯.诺伊曼这本书是1955年写的，读的时候有种很奇妙的感觉，好像在从计算机的原点看现代计算机。了解了为什么计算机要设计成现在的样子。这本书分成了上下两部分，第一部分讲计算机，第二部分讲人脑，刚刚看完第一部分，据说第二部分更精彩，开头就在讲神经元网络，我记得大数据的课上也学过。非常薄，而且浅显，举重若轻。
入门+概述类书籍。用数物模型解释计算机原理，通过机器与人脑对比直观展现出设计之初的仿生思路。相信对人工智能学习者而言，会颇有启发。
好像读懂了，又好像没读懂....
我还看不懂啊……
@2010-05-23 13:10:00
20世纪20年代，德国是世界数学的中心，30年代，美国普林斯顿是科学的中心
收藏